术中探测99Tcm-MIBI分布判断肺部肿瘤及淋巴结良恶性的临床价值

用手持式γ探测仪(GDP)探测术前注射^99Tc^m-MIBI的30例肺部病变患者原发病灶及淋巴结中的分布以判定其良恶性。结果显示肺癌患者的原发灶GDP检测结果均为阳性，而良性病变患者的检测结果均为阴性。在本工作条件下，GDP探测淋巴结转移的阳性检出率为100％，特异性93．6％，准确率94．4％。此研究证明^99Tc^m-MIBI术中γ探测判断肺部肿瘤及淋巴结良恶性可较好克服常规临床显像的不足，具有阳性检出率高、准确性好、特异性强的优点。     

代价敏感的列表排序算法

排序学习是信息检索与机器学习中的研究热点之一.在信息检索中,预测排序列表中顶部排序非常重要.但是,排序学习中一类经典的排序算法——列表排序算法——无法强调预测排序列表中顶部排序.为了解决此问题,将代价敏感学习的思想融入到列表排序算法中,提出代价敏感的列表排序算法框架.该框架是在列表排序算法的损失函数中对文档引入权重,且基于性能评价指标NDCG计算文档的权重.在此基础之上,进一步证明了代价敏感的列表排序算法的损失函数是NDCG损失的上界.为了验证代价敏感的列表排序算法的有效性,在此框架下提出了一种代价敏感的ListMLE排序算法,并对该算法开展序保持与泛化性的理论研究工作,从理论上验证了该算法具有序保持特性.在基准数据集上的实验结果表明,在预测排序列表中顶部排序中,代价敏感的ListMLE比传统排序学习算法能取得更好的性能.     

向科技要警力

移动性、突发性、紧急性强。这是公安交警人员平时工作的共同特点。 由于公安交警系统中一线外勤人员居多,工作的性质和特点决定了他们需要在非办公环境的一线路面现场对信息数据进行查询和处理。以往的依靠原有的固定专网方式已无法支持和适应大量处于移动状态下一线交警现场处理公安业务的需求。因此移动警务通就成为交警支队管理的重要辅助工具。     

喷涂聚脲弹性体技术在卡车耐磨衬里中的应用

介绍了喷涂聚脲弹性体(SPUA)技术用于卡车耐磨衬里的优点,重点介绍了SPUA替代高固体分环氧涂料在卡车耐磨衬里中的施工工艺及应用,并对该技术在国内外的应用前景进行了展望.     

一种基于K-shell影响力最大化的路径择优计算迁移算法

在移动边缘计算网络中,高效的计算迁移算法是移动边缘计算的重要问题之一.为了提高计算迁移算法性能,应用同类问题的相互转换性和最大化影响力模型,利用K-shell算法对边缘服务器进行等级划分,考虑边缘服务器负载过重问题,构建路径重叠(path overlap,PO)算法,引入通信质量、交互强度、列队处理能力等指标进行边缘服...     

基于单片机与Proteus植物补光系统设计及仿真

为了提高植物的光合作用，采用Proteus平台设计及仿真了以STC89C52单片机为主控制器的植物补光系统。该系统通过光敏电阻模拟光强信号，用温度传感器采集温度，再通过程序控制进行补光。该系统体积小、功耗小，适合室内环境补光，具有较好的应用前景。     

基于麻雀搜索算法优化支持向量机的区域水资源安全评价

针对我国水资源安全评价问题，结合支持向量机(SVM)对小样本、非线性问题分类效果好的特点，用麻雀搜索算法(SSA)对支持向量机的惩罚因子(C)和核函数参数(g)进行优化，建立基于麻雀搜索算法优化的支持向量机模型(SSA-SVM)用于区域水资源安全评价，以洛阳市某区域为例进行研究。结果表明，SSA-SVM法与T-S模糊神经网络法得到的评价等级结果基本一致，SSA-SVM模型具有寻优速度快，不易陷入局部最优等特点，可用于区域水资源安全评价。     

浅论玻璃幕墙带来的安全的思考

旨在通过对目前玻璃幕墙现状的分析,呼吁相关人士以使用安全为第一要素,加强在玻璃幕墙设计和使用过程中安全理念的贯彻。     

基于多任务学习的机票价格预测模型

针对现有机票销售模型忽视不同票价等级需求问题，考虑到机票需求的影响，提出一种多任务学习模型预测机票价格。在机票价格预测中引入辅助任务机票需求预测，建立多任务学习网络，通过共享相关任务在日、周、半月、月等水平上的多尺度需求特征，分析不同周期需求特征的影响。在六千万条记录的真实数据集上的实验结果表明，较之基准算法，该模型在准确率和F1分数方面提高了将近6%,验证了多任务学习模型的有效性。     

基于用户多特征融合的个性化推荐模型

个性化推荐是提取特定信息的有效手段之一，针对传统推荐法中缺少用户特征问题，提出一种基于多特征融合的广义矩阵分解与深度长短期记忆网络混合推荐模型（hybrid recommendation model of generalized matrix factorization and deep long short-term memory network based on multi-features fusion,HMF）。该模型利用潜在特征向量维度表征年龄、职业对项目的选择性影响，凸显用户个性化；利用长短期记忆（long short-term memory,LSTM）获取用户与项目间的时序特征，再通过多层感知机挖掘其深层次的时序非线性高阶交互关系；将广义矩阵分解（generalizedmatrixfactorization,GMF）获得的简单非线性低阶交互关系与复杂时序非线性高阶交互关系融合，经全连接层得出最终预测评分。HMF有效地利用用户多特征和用户—项目交互信息，实现个性化动态精准推荐。为验证模型的有效性和可行性，在公开数据集MovieLens-1M上进行测试。仿真实验表明，当HMF...